職住空間錯(cuò)位對(duì)城市居民通勤時(shí)間影響研究

包丹文，郭唐儀

（1.南京航空航天大學(xué) 民航學(xué)院，南京210016；2.南京理工大學(xué) 自動(dòng)化學(xué)院，南京210094）

職住空間錯(cuò)位對(duì)城市居民通勤時(shí)間影響研究

包丹文1＊，郭唐儀2

（1.南京航空航天大學(xué) 民航學(xué)院，南京210016；2.南京理工大學(xué) 自動(dòng)化學(xué)院，南京210094）

城市職住空間錯(cuò)位的研究通常以測(cè)度就業(yè)可達(dá)性為基礎(chǔ)，但傳統(tǒng)測(cè)度方法在應(yīng)用到國(guó)內(nèi)城市時(shí)具有明顯的缺陷.本文提出一種改進(jìn)的就業(yè)可達(dá)性測(cè)度方法，通過(guò)引入就業(yè)機(jī)會(huì)權(quán)重系數(shù)，量化了城市就業(yè)機(jī)會(huì)分布不均的特征，并以此為指標(biāo)分析了職住空間錯(cuò)位對(duì)于居民通勤行為的影響程度.研究顯示，南京市主城區(qū)就業(yè)可達(dá)性差異性明顯，呈現(xiàn)從中心向外圍逐步遞減的趨勢(shì)，且遞減程度愈發(fā)明顯.同時(shí)就業(yè)可達(dá)性對(duì)于低收入者的通勤時(shí)間影響顯著，可達(dá)性的提高有利于降低通勤時(shí)間，但是由于低收入群體在出行方式選擇上的局限性，可達(dá)性的提高無(wú)法拓展他們的就業(yè)范圍，必須從優(yōu)化公共資源配置的角度來(lái)消減弱勢(shì)群體的就業(yè)障礙.

城市交通；通勤時(shí)間；MNL模型；就業(yè)可達(dá)性；職住錯(cuò)位

1 引 言

美國(guó)學(xué)者于20世紀(jì)60年代提出了職住空間錯(cuò)位理論[1]，這一理論研究了美國(guó)大都市區(qū)的低收入者、女性、少數(shù)種裔等弱勢(shì)群體在城市空間重構(gòu)中的生存狀況[2].盡管?chē)?guó)內(nèi)大城市中不存在美國(guó)的種族差異問(wèn)題，但是20世紀(jì)90年代以來(lái)，由于城市化、郊區(qū)化所產(chǎn)生的職住分離現(xiàn)象愈發(fā)明顯，部分大城市均在不同程度上出現(xiàn)了城市職住空間錯(cuò)位的事實(shí)[3]，嚴(yán)重影響了城市居民通勤出行質(zhì)量.不少國(guó)內(nèi)學(xué)者基于城市微觀調(diào)查數(shù)據(jù)，圍繞職住空間、通勤行為等因素開(kāi)展研究，例如孟斌等通過(guò)對(duì)居民通勤時(shí)間、通勤流向等調(diào)查數(shù)據(jù)的分析，得出北京市存在嚴(yán)重的職住空間錯(cuò)位狀況[4].李強(qiáng)等發(fā)現(xiàn)遷居拉大了回龍觀、天通苑大型居住區(qū)居民職住空間分離程度，增大了出行時(shí)間[5].王冬根等采用結(jié)構(gòu)方程模型驗(yàn)證了單位制度殘留對(duì)居民通勤行為的影響[6].劉志林等對(duì)比分析了不同類(lèi)型住房產(chǎn)權(quán)、社區(qū)之間居民職住分離狀況的差異[7].王茂軍等在采用決策樹(shù)法討論了街道就業(yè)密度、公交站點(diǎn)數(shù)等物質(zhì)空間變量對(duì)居民通勤距離的影響等[8].近年來(lái)國(guó)外研究指出通勤時(shí)間、通勤距離等通勤特征指標(biāo)并不能完全體現(xiàn)職住空間錯(cuò)位程度[9]，Ong、Blumenberg&Shen提出采用就業(yè)可達(dá)性指標(biāo)作為職住空間錯(cuò)位的直接測(cè)度[10]，這種方法在美國(guó)城市空間錯(cuò)位研究中得到了廣泛的應(yīng)用，就業(yè)可達(dá)性指標(biāo)在反映就業(yè)人口與周邊潛在工作機(jī)會(huì)的匹配度上具有更高的科學(xué)性.

本文基于前人研究結(jié)論，在分析傳統(tǒng)就業(yè)可達(dá)性測(cè)算方法在中國(guó)城市適用性的基礎(chǔ)上，提出了改進(jìn)的就業(yè)可達(dá)性測(cè)算方法，并以南京市為例測(cè)度城市各片區(qū)的就業(yè)可達(dá)性水平，討論國(guó)內(nèi)城市職住空間錯(cuò)位特征；同時(shí)采用回歸分析方法，研究影響通勤時(shí)間的各類(lèi)因素，檢驗(yàn)就業(yè)可達(dá)性及其它因素對(duì)于居民通勤時(shí)間的影響程度，以此把握通勤行為的變化特征，為提高城市居民通勤出行效率提供科學(xué)依據(jù).

2 數(shù)據(jù)與方法

2.1 就業(yè)可達(dá)性的測(cè)量方法

2.1.1 傳統(tǒng)測(cè)量方法及其局限性

大多數(shù)現(xiàn)有的可達(dá)性測(cè)度方法都是以Hansen（1959）的方法為基礎(chǔ)，這些方法一般采用勢(shì)能模型的形式[11]，可表示為

式中 Ai表示小區(qū)i的交通可達(dá)性；Oj表示小區(qū)j相關(guān)機(jī)會(huì)數(shù)量；Cij為小區(qū)i到小區(qū)j的交通時(shí)間、距離或成本；F(Cij)為阻抗函數(shù).

勢(shì)能模型被廣泛應(yīng)用于美國(guó)的城市研究和規(guī)劃中，不少國(guó)內(nèi)學(xué)者也在研究中借鑒這種方法，卻忽略了這種方法的重要限制條件，Hensen在研究中提出，公式（1）只有在至少滿足以下一個(gè)條件時(shí)才能適用：①機(jī)會(huì)需求在空間上均一分布；②機(jī)會(huì)沒(méi)有數(shù)量上的限制.

由于多數(shù)中國(guó)城市老城區(qū)、新城區(qū)等各類(lèi)片區(qū)開(kāi)發(fā)密度、開(kāi)發(fā)特征具有顯著的差異性，不同類(lèi)型就業(yè)設(shè)施往往呈現(xiàn)錯(cuò)位分布特征.例如金融、服務(wù)業(yè)多分布于城市老城區(qū)，電子科技等高新產(chǎn)業(yè)往往分布于城市新區(qū)，傳統(tǒng)工業(yè)、制造業(yè)則遷至城市外圍等.導(dǎo)致就業(yè)機(jī)會(huì)呈現(xiàn)明顯的分布不均勻的特征，并且就業(yè)機(jī)會(huì)總體規(guī)模有限，條件①和②均無(wú)法滿足，采用傳統(tǒng)方法就會(huì)導(dǎo)致不準(zhǔn)確甚至誤導(dǎo)性的結(jié)果.

2.1.2 改進(jìn)方法

由于國(guó)內(nèi)城市就業(yè)機(jī)會(huì)分布的不均性，在測(cè)算就業(yè)可達(dá)性時(shí)則需要考慮不同就業(yè)機(jī)會(huì)被選擇的概率.本文引入小區(qū)j的就業(yè)機(jī)會(huì)權(quán)重系數(shù)（γij），這個(gè)權(quán)重指標(biāo)即為小區(qū)j內(nèi)就業(yè)機(jī)會(huì)被小區(qū)i就業(yè)者選擇的概率，將傳統(tǒng)的就業(yè)可達(dá)性模型修正為

式中 Ai為小區(qū)i的就業(yè)可達(dá)性；γij為小區(qū)j相對(duì)于小區(qū)i的就業(yè)機(jī)會(huì)權(quán)重系數(shù)；Oj為小區(qū)j中就業(yè)機(jī)會(huì)規(guī)模；F(Cij)為從小區(qū)i至小區(qū)j交通阻抗函數(shù)，一般采用負(fù)指數(shù)形式.

根據(jù)上文定義，γij就是不同出行目的地被選擇的概率.基于非集計(jì)理論，通過(guò)建立就業(yè)目的地選擇模型，量化權(quán)重指標(biāo)γij.假設(shè)小區(qū)i中出行個(gè)體q的就業(yè)目的地選擇集為，則出行個(gè)體q選擇中小區(qū)j為就業(yè)目的地的概率Pijq為

式中 Pijq為小區(qū)i中出行個(gè)體q選擇小區(qū)j為就業(yè)目的地的概率；Vijq為出行者q從小區(qū)i到達(dá)小區(qū)j的效用；Xijq為影響效用的因素；θ表示影響各個(gè)變量的參數(shù)值，可通過(guò)回歸分析得到.

本次研究中初步選定就業(yè)目的地性質(zhì)與規(guī)模、出行者年齡、性別、職業(yè)、收入、時(shí)間及小汽車(chē)擁有水平作為影響效用的主要因素[12].基于南京市主城區(qū)中128個(gè)交通小區(qū)調(diào)查數(shù)據(jù)，其中就業(yè)目的地規(guī)模、出行者年齡、收入、時(shí)間、小汽車(chē)擁有水平取調(diào)查值，其余因素為啞元變量（取1或0），采用多元logit模型進(jìn)行統(tǒng)計(jì)分析，各因素標(biāo)定結(jié)果如表1所示.

表1 各影響因素回歸系數(shù)（θ）匯總表Table1 Regression coefficient(θ)of various factors

根據(jù)模型參數(shù)t檢驗(yàn)要求，當(dāng)t的絕對(duì)值大于1.96時(shí)，置信度為95%，即有95%的把握判斷對(duì)應(yīng)的特性是影響選擇概率的主要因素之一.表1給出了t檢驗(yàn)統(tǒng)計(jì)量值大于1.96的顯著性變量及其系數(shù)估計(jì)值.可見(jiàn)就業(yè)目的地性質(zhì)規(guī)模、職業(yè)、阻抗、家庭收入水平及小汽車(chē)擁有水平幾個(gè)變量對(duì)出行者選擇就業(yè)目的地會(huì)產(chǎn)生顯著影響，而性別及年齡變量的影響不顯著.將上表中θ值代入式（3），即可得到小區(qū)i中出行個(gè)體q選擇小區(qū)j為就業(yè)目的地的概率Pijq.

將小區(qū)i中所有出行個(gè)體的概率Pijq進(jìn)行集計(jì)處理，則可得到小區(qū)j中就業(yè)機(jī)會(huì)被小區(qū)i中就業(yè)者選擇的概率γij為

式中 γij為小區(qū)i中出行者選擇小區(qū)j中就業(yè)機(jī)會(huì)的概率，即小區(qū)j就業(yè)機(jī)會(huì)的權(quán)重系數(shù)；Nq為小區(qū)i中個(gè)體q的集合；Pijq為小區(qū)i中出行個(gè)體q選擇小區(qū)j中就業(yè)機(jī)會(huì)的概率.

根據(jù)式（2），考慮機(jī)會(huì)分布不均性的就業(yè)可達(dá)性測(cè)算方法為

式中 Ai為小區(qū)i的就業(yè)可達(dá)性；γij為小區(qū)j相對(duì)于小區(qū)i的就業(yè)機(jī)會(huì)權(quán)重系數(shù)；Oj為小區(qū)j中就業(yè)機(jī)會(huì)規(guī)模；F(Cij)為小區(qū)i至小區(qū)j交通阻抗函數(shù)；dij為小區(qū)i到小區(qū)j的通勤出行時(shí)間；β為回歸系數(shù).

2.2 回歸分析方法

本文通過(guò)計(jì)算南京市各交通小區(qū)就業(yè)可達(dá)性來(lái)反應(yīng)城市職住錯(cuò)位特征，同時(shí)通過(guò)回歸分析就業(yè)可達(dá)性指標(biāo)對(duì)于居民通勤時(shí)間是否存在顯著性影響.

考慮到收入水平是就業(yè)市場(chǎng)中的重要內(nèi)生變量，同時(shí)調(diào)查數(shù)據(jù)顯示不同收入水平下出行者的通勤時(shí)間具有顯著的差異性，因此研究中對(duì)收入水平變量進(jìn)行控制，將收入群體分為中高收入（家庭年收入大于10萬(wàn)）和中低收入（家庭年收入小于10萬(wàn)）兩類(lèi)，將通勤時(shí)間分為長(zhǎng)通勤時(shí)間（大于35分鐘）、中通勤時(shí)間（25-35分鐘）及短通勤時(shí)間（小于25分鐘）三種，最終確定六個(gè)應(yīng)變量選擇肢如圖1所示.

圖1 模型的6個(gè)選擇肢Fig.1 Six dependent variable groups in model

本次研究采用MNL（Multinomial Logit）模型，MNL是Logit類(lèi)模型的基本形式，通過(guò)效用函數(shù)確定項(xiàng)的計(jì)算就可以獲得個(gè)體選擇不同選擇肢的概率.通過(guò)模型標(biāo)定，其效用數(shù)的隨機(jī)項(xiàng)因素影響將被表達(dá)在不同參數(shù)中.

2.3 數(shù)據(jù)處理與分析

本研究以南京市主城區(qū)為例，其面積大約為280平方公里，人口總數(shù)約300萬(wàn).為了便于分析，根據(jù)城市各功能分區(qū)，將研究區(qū)域細(xì)分為9個(gè)片區(qū)，詳見(jiàn)圖2.

實(shí)例分析中應(yīng)用了大量的數(shù)據(jù)，相關(guān)的數(shù)據(jù)和來(lái)源如下：

交通數(shù)據(jù)來(lái)自于2010年南京市城市居民出行調(diào)查.調(diào)查抽樣率2%，共發(fā)放調(diào)查表50 000份，回收調(diào)查表表49 137份，其中有效表43 450份，有效率為86.9%.調(diào)查中獲取了不同交通小區(qū)人口及就業(yè)數(shù)據(jù)，所有被調(diào)查者的性別、年齡、職業(yè)、收入等基本屬性，以及某一工作日全天出行狀況等數(shù)據(jù).

就業(yè)可達(dá)性的計(jì)算借助Arcgis軟件測(cè)算并顯示；采用SPSS軟件匯總與整理各類(lèi)變量數(shù)據(jù)，并生成回歸分析結(jié)果.

圖2 研究區(qū)域圖Fig.2 Study area

3 研究結(jié)果

3.1 就業(yè)可達(dá)性分布特征

圖3為南京市主城區(qū)就業(yè)可達(dá)性分布特征.圖4為各片區(qū)就業(yè)可達(dá)性均值.從圖中可以看出，就業(yè)可達(dá)性呈現(xiàn)從城市中心向外圍逐步遞減的趨勢(shì)，且遞減程度愈發(fā)明顯.從表2分區(qū)中可以看出，中片是城市就業(yè)可達(dá)性最高的片區(qū)，從城市發(fā)展歷程來(lái)看，中片是城市的老城區(qū)，無(wú)論基礎(chǔ)設(shè)施還是就業(yè)崗位規(guī)模均處于較高水平；東片和西片的就業(yè)可達(dá)性水平僅次于中片，這兩個(gè)片區(qū)作為城市近期重點(diǎn)打造的居住文化新區(qū)，交通設(shè)施建設(shè)水平逐步提高，同時(shí)由于片區(qū)與主城就業(yè)聯(lián)系緊密，大部分就業(yè)依靠主城區(qū)實(shí)現(xiàn)，因此擁有更多的就業(yè)選擇機(jī)會(huì)，就業(yè)可達(dá)性也處于較高水平；西北片、東北片和東南片就業(yè)可達(dá)性處于較低水平，職住錯(cuò)位現(xiàn)象最為明顯，導(dǎo)致居民通勤出行不便，這主要由于片區(qū)發(fā)展長(zhǎng)期滯后，就業(yè)崗位嚴(yán)重偏少，同時(shí)與中片區(qū)受到鐵路和河流阻隔，通勤出行阻抗過(guò)大，導(dǎo)致片區(qū)內(nèi)部實(shí)現(xiàn)居民就業(yè)十分困難.

圖3 主城區(qū)就業(yè)可達(dá)性分布Fig.3 Distribution of job accessibility in main urban area

圖4 各片區(qū)就業(yè)可達(dá)性分布Fig.4 Distribution of job accessibility in different districts

表2 主城區(qū)各片區(qū)就業(yè)可達(dá)性對(duì)比表Table2 Job accessibility of different districts in main urban area

3.2 回歸分析結(jié)果

3.2.1 就業(yè)可達(dá)性對(duì)通勤時(shí)間影響分析

研究采用MNL模型，以“中低收入組長(zhǎng)通勤時(shí)間”作為參照水平，得到其余五個(gè)選擇肢的回歸參數(shù)及統(tǒng)計(jì)量如表3所示.從表中各因素影響置信水平上看，對(duì)不同收入組通勤時(shí)間有顯著影響的變量主要有就業(yè)可達(dá)性、家庭擁車(chē)水平、教育水平和職業(yè)四類(lèi).

表4以長(zhǎng)通勤時(shí)間為參照對(duì)象，顯示了不同收入組通勤時(shí)間縮短的可能性程度.表中回歸系數(shù)β表示當(dāng)自變量屬性值變化1%時(shí)，選擇項(xiàng)概率發(fā)生變化的程度；當(dāng)t檢驗(yàn)絕對(duì)值大于1.96時(shí)，表明測(cè)算結(jié)果可信.

從統(tǒng)計(jì)分析結(jié)果來(lái)看，相比中高收入組，就業(yè)可達(dá)性對(duì)于中低收入組通勤時(shí)間的影響更加明顯，每當(dāng)就業(yè)可達(dá)性提高1%，中低收入組通勤時(shí)間從35分鐘降低到25分鐘以下的可能性會(huì)提高0.11，比中高收入組提高概率高了約80%.這主要是由于中高收入組往往擁車(chē)水平較高，出行方式較為靈活，在就業(yè)出行上的移動(dòng)能力上更強(qiáng)，能夠通過(guò)改變交通方式或者調(diào)整居住就業(yè)點(diǎn)來(lái)彌補(bǔ)職住空間錯(cuò)位的不利影響，因此中高收入組通勤時(shí)間受居住地就業(yè)可達(dá)性的影響較弱.

表3 MNL模型回歸結(jié)果分析Table3 Estimation results for multinomial logit models

表4 不同收入組短通勤時(shí)間變化敏感性表Table4 Variation sensitivity of short commuting time

3.2.2 其它因素對(duì)通勤時(shí)間影響分析

（1）職業(yè)與通勤時(shí)間.

無(wú)論是中高收入組還是中低收入組，職業(yè)對(duì)通勤時(shí)間均會(huì)產(chǎn)生明顯的影響，其中公務(wù)員、服務(wù)員及工人從業(yè)者就業(yè)地點(diǎn)及通勤方式都相對(duì)固定，而個(gè)體職業(yè)者則在出行中更加靈活，通勤時(shí)間受到可達(dá)性影響的可能性更高.

（2）擁車(chē)水平與通勤時(shí)間.

交通工具對(duì)于通勤時(shí)間的影響主要體現(xiàn)在中低收入組，主要由于中高收入組普遍擁車(chē)水平較高，即使無(wú)車(chē)者也會(huì)選擇出租車(chē)或者單位公車(chē)等更加靈活的交通方式，因此通勤時(shí)間上受到的影響較少.

（3）教育程度與通勤時(shí)間.

教育程度對(duì)于通勤時(shí)間的影響也主要體現(xiàn)在中低收入組，當(dāng)高學(xué)歷出行者比例每提高1%時(shí)，通勤時(shí)間降低到25分鐘以下的概率會(huì)提高約0.02，主要由于低學(xué)歷者由于受到自身技能的限制，適合就業(yè)機(jī)會(huì)少，由此自由選擇就近就業(yè)的難度大，導(dǎo)致長(zhǎng)通勤時(shí)間可能性也更高.

4 研究結(jié)論

本文提出一個(gè)可達(dá)性測(cè)度的改進(jìn)方法，該方法克服了傳統(tǒng)可達(dá)性測(cè)度方法的局限性，通過(guò)引入就業(yè)機(jī)會(huì)權(quán)重系數(shù)指標(biāo)來(lái)量化就業(yè)機(jī)會(huì)分布不均的程度，這一改進(jìn)更加符合國(guó)內(nèi)大城市土地利用結(jié)構(gòu)異質(zhì)性明顯的特征.同時(shí)以就業(yè)可達(dá)性為量化指標(biāo)，回歸分析了職住空間錯(cuò)位對(duì)于通勤時(shí)間的影響作用.研究顯示，中低收入組所受影響程度更加明顯.雖然就業(yè)可達(dá)性的提高有利于降低低收入者的通勤時(shí)間，但由于該群體通勤出行范圍受限，可達(dá)性的提高并沒(méi)有帶給他們更多的就業(yè)機(jī)會(huì)，必須從優(yōu)化公共設(shè)施配置角度采取措施，才能減輕低收入群體面臨的就業(yè)障礙.在以后的研究中，需要討論在調(diào)控城市土地與交通有序發(fā)展中出臺(tái)的各類(lèi)政策（例如擁擠收費(fèi)政策，差別化停車(chē)收費(fèi)政策等等）對(duì)城市職住分布產(chǎn)生的影響，更全面地解讀快速城市化期國(guó)內(nèi)城市的空間不平等趨勢(shì)對(duì)居民通勤行為的影響作用.

[1]Kain J.Housing segregation,Negro unemployment and metropolitan segregation[J].Quarterly Journal of Eco?nomics,1968,82:175-197.

[2]Wilson J.The truly disadvantaged:The inner city,the un?derclass,and public policy[M].Chicago,IL:University of Chicago Press,1987:3-10.

[3]宋金平,王恩儒,張文新，等.北京住宅郊區(qū)化與就業(yè)空間錯(cuò)位[J].地理學(xué)報(bào),2007,62(4):387-396.[SONG J P, WANG E R,ZHANG W X,et al.Housing suburbanization and employment spatial mismatch in Beijing[J].Ac?ta Geographica Sinica,2007,62(4):387-396.]

[4]孟斌.北京城市居民職住分離的空間組織特征[J].地理學(xué)報(bào),2009,64(12):1457-1466.[MENG B.The spatial or?ganization of the separation between jobs and residential locations in Beijing[J].Acta Geographica Sinica,2009, 64(12):1457-1466.]

[5]李強(qiáng),李曉林.北京近郊大型居住區(qū)居民上班出行特征分析[J].城市問(wèn)題,2007,(7):55-59.[LI Q,LI X L.Char?acteristics of commuting travel of residents in suburban communities in Beijing[J].Urban Problems,2007,(7): 55-59.]

[6]Wang D,Chai Y.The job-housing relationship and com?muting in Beijing,China:The legacy of danwei[J].Jour?nal of Transport Geography,2009,17:38-38.

[7]劉志林,張艷,柴彥威.中國(guó)大城市職住分離現(xiàn)象及其特征:以北京市為例[J].城市發(fā)展研究,2009,16(9): 123-130.[LIU Z L,ZHANG Y,CHAI Y W.Homework separation in the context of institutional and spa?tial transformation in urban China:Evidence from Bei?jing household survey data[J].Urban Studies,2009,16 (9):123-130.]

[8]王茂軍,宋國(guó)慶,許潔.基于決策樹(shù)法的北京城市居民通勤距離模式挖掘[J].地理研究,2009,28(6):1516-1527.[WANG,M J,SONG G Q,XU J.Data mining on commuting distance mode of urban residents based on the analysis of decision tree[J].Geographical Research, 2009,28(6):1516-1527.]

[9]DeRango K.Can commutes be used to test the spatial mismatch hypothesis?[J].Urban Studies,2001,38(9): 1521-1529.

[10]Ong P,Blumenberg E.Job access,commute and travel burden among welfare recipients[J].Urban Studies, 1998,35(1):77-93.

[11]Hansen W G.How accessibility shapes land use[J].Jour?nal of the American Planning Association.1959,25(2): 73-76.

[12]Danwen Bao,Wei Deng.The application of job accessi?bility measure model in China’s major cities[C]//Pro?ceedings 2011 International Conference on Transporta?tion,Mechanical,and Electrical Engineering,TMEE 2011:1872-1876.

Impacts of Spatial Mismatch between Residence andEmployment Locations on Urban Residents’Commuting Time

Bao Dan-wen1，Guo Tang-yi2
(1.Collage of CivilAviation,Nanjing University ofAeronautics andAstronautics,Nanjing 210016,China；2.School ofAutomation,Nanjing University of Science and Technology,Nanjing 210094,China)

urban traffic;commuting time;MNL model;job accessibility;spatial mismatch

1009-6744（2014）03-0142-06

U121

A

2013-09-06

2013-11-19錄用日期：2014-01-02

國(guó)家自然科學(xué)青年基金(51208261)；中國(guó)博士后科學(xué)基金(2013M541667).

包丹文（1982-），男，江蘇南京人，講師，博士.*通訊作者：baodanwen@nuaa.edu.cn

Absttract:Studies on spatial mismatch between residence and employment locations are often based on measurement of job accessibility.But traditional measuring methods show obvious defects.This paper proposed an optimized job accessibility measuring method.Then,the influence of spatial mismatch on commuting behavior was analyzed with job accessibility as a quantitative indicator.According to the analysis results, job accessibility shows great variation across urban area of Nanjing:the inner urban area is more accessible to employment than the outer urban area.In addition,regression analysis shows job accessibility has significant impact on commuting time in general,and the impact is more obvious in low-income group.Higher job accessibility index may encourage shorter commuting time of low-income residents,but have no effect on expanding commuting range of low-income residents.They prefer to search job opportunities near to dwelling places,which restricted their commuting modes.The only way to reduce employment hurdle for low-income group is to optimize configuration of public traffic facilities and employment locations.